为什么国内的高龄程序员都会被淘汰

背景:

今天与Firebase的中国区开发及负责人交流了一下Filebase相关功能，感触还是挺深的。

最直接的感受就是国内的大部分开发都旋入了开发能力与资源不足的恶性循环中

 

今天在交流过程中，firebase重点提到了两个功能，一个是Predictions（预测），另一个是A/B Testing （A/B测试）

Firebase虽然也是一个工具库，但是它的定位是从开发->线上监测->变现能力的整个链路的打通。

就以预测功能来说，依托于目前Google Ad与GP的数据，就可以预测我们每个用户的留存情况与是否会是消费用户，而且目前可以达到70%左右的准确度，这样就可以依托于这些数据来做一些变现的能力，

举一个简单的例子，现在大部分互联网游戏或工具类产品的盈利方式主要是靠广告与IAP方式，但是对于有消费能力的用户如果我们弹广告的话，势必会影响有消费能力这部分用户的留存，但机遇firebase的预测功能，对于这些有消费潜力的用户，我们可以不弹广告，对于没有消费价值的用户，我们可以通过广告方式盈利。

还有一个优势，就是我们可以将我们的优质用户列表不断的通过server2server的方式反馈给Firebase，这样就能不断的优化预测的准确度，最终实现一个正向结果。

而且其实firebase的实现方式也是很简单，firebase可以知道用户是否有绑定过银行卡，是否购买过类似的应用历史，之后再经过机器学习进行模型训练就可以达到预测的效果。

另一个A/B测试其实是我们一直在使用的功能，但是对比之后，发现这并不仅仅是技术的差距，思维的方式更加严重，

我们之前的A/B测试，都是根据标志位来区分几批用户，然后通过不同批次用户的不同打点，进行对比分析，这个思路基本上是相似的，但是有几个问题：

1.没有办法根据批次用户来计算留存情况

2.很多具体的指标只能自己根据数据来计算

但Firebase的A/B测试是将用户区分出来之后，会分批计算留存，IAP和自己定义的一些关注指标，这样对于使用者来说及其方便，而且对比效果也会特别明显，因为每次A/B测试不可能只看一项指标，一定是多项指标的中和结果才会确定到底哪个方案更好的。

这个稍微思考一下，要想做到也很简单，首先我们将分批用户的区分标志位放到云控文件中，云控文件与我们的数据查询系统打通，这样我们查询计算的时候，就可以做到分批次单独计算指标了

还介绍了一些其他的功能，但感觉没有这两个感触深了。

其实我们对比之后，有一些功能确实我们很难去与之匹配的，例如预测功能，确实要基于大量的用户与数据。

但也有一些真的是因为我们并没有花时间与心思来思考（当然我并不认为是我们想不到），我们做到的仅仅是能用，但是具体是否真的好用和能否为使用者解决痛点，其实是值得推敲的。

最后回到我们今天的主题，我们国内的很多高龄程序员趋于被淘汰我觉得分为两方便原因吧

客观原因：国内的加班太严重，很多高龄程序员的精力一定比不上年轻人。

主观原因：国内很少有人有长期的积累，原因就不说了，这就导致经常是年龄与能力不匹配，自然而然的会慢慢被淘汰。

所以我们无论身处何种公司，何种职位，做任何事情，都想办法再深入一步，这不仅仅是对工作的负责，其实更是对自己负责，我们做了一个技术，不是因为技术多么炫酷，主要还是因为能创造的价值。